Análise Comparativa da Classificação Espectro-Textural de Imagens Fusionadas CCD e HRC/CBERS-2B Através de Redes Neurais Artificiais
|
|
- Tiago Damásio Lopes
- 6 Há anos
- Visualizações:
Transcrição
1 Análise Comparativa da Classificação Espectro-Textural de Imagens Fusionadas CCD e HRC/CBERS-B Através de Redes Neurais Artificiais Pedro Lacerda Jose Marinaldo Gleriani Vicente Paulo Soares Gerardo Kuntschik Universidade Federal de Viçosa- DEF/UFV Viçosa - MG, Brasil {pedro.lacerda, glerian vicente}@ufv.br Universidade de São Paulo - USP Av. Arlindo Bettio, 000 EACH São Paulo SP gkuntschik@usp.br Abstract. HRC and CCD / CBERS-B data fusion provides improvements in the textural images, which have been little explored in automatic classification. In this work, the thematic accuracies of Land Use / Land Cover mapping obtained from neural networks like MLP (Multilayer Perceptrons) were performed through two methodologies: architectures with input windows ranging from 3x3 to 9x9 versus MLP networks with simple inputs. For the second architecture, the input vector consisted of three textural descriptors (Contrast, Entropy and Second Angular Momentum) derivatives of windows ranging from 3x3 to 9x9, plus data from the red and infrared bands. Through the Kappa statistics was found that the input windows should have no dimension larger than 5x5. However, the use of networks with textural descriptors improved the accuracies when the size of the windows were increased, presenting better performance compared to the MLP networks with inputs in NxN windows. Palavras-chave: análise de textura, mapa de uso e cobertura da terra, redes neurais, sensores HRC e CCD, texture analysis, land use / land cover mapping, neural networks, HRC and CCD sensors.. Introdução Extrair informação temática precisa de dados multiespectrais é um grande desafio para os usuários de Sensoriamento Remoto (SR). Segundo Civco (993), a maioria das técnicas de classificações são baseadas em propriedades espectrais de uma única data e informações complementares (solos, altitude, etc) não são consideradas. Atributos espaciais como forma, tamanho, textura não são usualmente considerados e apesar dos avanços da classificação digital, fotointerpretes hábeis chegam a exatidões superiores em relação a classificação digital (Trotter, 99), embora apresente a desvantagem da morosidade envolvida (Campbell e Wynne, 0). A informação textural, caracterizada pela variação tonal dos pixels vizinhos, é de fácil percepção visual em fotografias de grande escala (Avery e Berlim, 998), e está associada à resolução espacial do sensor (Mather, 999) sendo dependente da geometria de iluminação e,consequentemente, do sombreamento. Haralick et al. (973) definiram vários descritores texturais derivados da Matriz de Coocorrência dos Níveis de Cinza (GLMC), cujo principal conceito são as relações de adjacências de tons de cinza (frequência -f ij - de duas células de tons de cinza i e numa dada distância d. Segundo Tso e Mather (00) os quatro descritores texturais mais comumente utilizados são: Segundo Momento Angular (SMA), descrito na Equação : SMA i j [ p( ] () 34
2 Contraste (Con), descrito na Equação () N G Con n p( para i-j = n () n 0 i j Momento da Inversa da Diferença (MID), descrito na Equação 3: MID i j ( i p( (3) Entropia (E), descrito na Equação 4: E p( log p( (4) i j Onde p( denota a ( ésima entrada de uma matriz GLCM normalizada e N G o número de níveis de cinza de uma imagem quantizada (Tso e Mather, 00). No início dos anos 90, a redes neurais deram grande impulso á análise de dados de SR (Paola e Schowengerdt, 995; Kavzoglu e Mather, 003). Como classificadores, as redes apresentam a vantagens de não serem paramétricas e poderem incorporar informação textural pela criação de entradas em janelas NxN (3x3, 5x5, etc ) (Benediktsson et al., 990; Hepner, 990; Bischof et al, 99; Paola e Schowengerdt, 997; He e Collet, 999, Lima et al., 005). Segundo He e Collet (999), a textura interpretada por um rede NxN não tem descrição matemática como encontramos em Haralick et al (973), além disso, uma rede ao operar com entrada NxN tem um ajuste dos pesos com menor número de ciclos (Bischof et al, 99), o que ilustra uma melhor caracterização do padrão espectro-textural. Quanto ao tamanho das janelas, Lima et al. (005) desaconselharam janelas maiores que 3x3 para dados CCD/CBERS (0m). O objetivo do presente trabalho foi avaliar, através de estatística kappa, o desempenho comparativo de redes supervisionadas MLP (Perceptrons de Múltiplas Camadas), aonde utilizou-se como dados de entrada, as bandas 3 e 4 e os descritores Entropia, Contraste e Segundo Momento Angular, com redes aonde a textura era interpretada em entradas NxN. Comparou-se também o tamanho ideal da janela e a vantagem ou não de utilização de informação textural além da espectral.. Metodologia de Trabalho A área de estudo fica localizada no município de Dionísio (MG) entre as coordenadas S/ O e S/4 44 6,7 O, a qual engloba parte do Parque Estadual do Rio Doce. Na área encontra-se Mata Atlântica, Lagoas, pequena áreas urbanas, reflorestamento com eucalipto e pastagem. 35
3 Figura. Localização da área de estudo em cena Fusionada HRC/CCD CBERS-B B3R4G, com detalhe da variação textural da água, mata nativa no entorno e plantio de eucalipto no centro. No presente trabalho, utilizaram-se as cenas dos sensores CCD (5/) e HRC (5- C/-3) do dia 9 de julho de 008. Após o registro de ambas as cenas na projeção UTM Datum SAD-69 procedeu-se o processo de fusão (RGB-IHS-RGB) com a substituição da componente I (Intensidade) pelos dados HRC (,5m) antes do retorno ás componentes RGB (Richards e Jia, 998). Na página eletrônica existe um tutorial sobre o procedimento. Foi empregada uma metodologia semelhante a utilizada por He e Collet (999). Na banda 4 fusionada, para janelas de tamanho 3x3, 5x5, 7x7, 9x9, gerou-se o Contraste, a Entropia e o Segundo Momento Angular (Con, E, SMA), que, junto com os dados das bandas 3 e 4 formaram os vetores de entrada das redes MLP (Perceptrons de Múltiplas Camadas), contendo assim, três descritores texturais e dois espectrais (Figura ). Utilizou-se as bandas 3 e 4 por estas conterem mais de 90% da informação espectral da vegetação (Baret et al. 989). Figura. Rede MLP com arquitetura 5-9-6, ilustrando os dados texturais obtidos em janelas além dos dados espectrais e as classes de saída. 36
4 Todos os dados originais e imagens texturais obtidos foram linearizados através da Equação (5), sendo exportados em formato ASCII para o SNNS (Stuttgart Neural Network Simulator) (ell et al, 998). A função de ativação utilizada foi a logística sigmóide. DN j, k DNmin, k x j, k (5) DN DN max, k min, k Aonde, x j,k são os números reais obtidos para os pixels da linha coluna j, banda k. DN são os valores digitais, min e max são os valores digitais mínimos e máximos da banda k. Numa segunda etapa utilizou-se redes como entrada com janelas variando de 3x3 até 9x9, para que a informação textural fosse captada além da informação espectral (Figura 3). Figura 3. Interface do SNNS com rede 7x4-9-6 Gerou-se um Plano de Informação (PI) com 593 pontos com amostragem aleatória, excetuando-se as áreas de onde foram coletadas amostras de treinamento, e fez-se a fotointerpretação com a rotulagem dos pontos nas classes pré-definias. Gerou-se a estatística kappa e a sua variância para a execução do teste comparativo (Gongalton e Green, 009). kˆ ˆ k (6) vâr(ˆ k ) vâr(ˆ k ) Aonde ˆk e ˆk são os estimadores de kappa para dois classificadores cujo desempenho é comparado e âr( kˆ ) e âr( k ˆ ), estimadores das respectivas variâncias. v v 3. Resultados e Discussão Os resultados comparativos dos valores dos índices Kappa entre as duas maneiras de interpretar textura são exibidos na Tabela. O primeiro ponto a ser analisado é que o aumento do tamanho da janela aumenta a exatidão temática para a classificação - Con, E, SMA, b3 e b4 - ao contrário do que ocorre com a rede NxN aonde o valor começa a ter decréscimo a partir da rede 5x5. Uma explicação para o decréscimo do kappa para as redes com janelas maiores é que tanto no processo de treinamento, como na classificação, o tamanho da entrada, faz que durante a leitura de um padrão de amostra nos arquivos de treinamento tenha, nos limites desse, impureza nas entradas, para o mesmo padrão de saída. 37
5 Tabela.- Valores do índices Kappa para redes alimentadas com descritores estatísticos (Con, E, SMA, b3 e b4) comparados a redes com entradas em janelas NxN. Con, E, SMA + b3 e Kappa Redes NxN Kappa b4 * 0,3864 3x3 0,4079 3x3 0,3867 5x5 0,4443 5x5 0,43 7x7 0,4650 7x7 0,408 9x9 0,4668 9x9 0,3936 *As vezes descrito como x, é a rede com entrada simples, sem janela, como na Figura. Durante o processo de classificação, a mesma entrada, cuja saída é desejada, está lendo pixels de classes diferentes (Figura 4). Provavelmente, a janela NxN faz o mesmo papel de amostras coletadas nas bordas das classes o que, segundo Foody (999), aumenta a exatidão de classificação por evitar o sobreajuste no treinamento da rede. No entanto, no presente trabalho, o aumento da janela além de 5x5 não trouxe esse beneficio. Figura 4. Rede com entrada NxN com janela de entrada lendo dados em duas classes para uma mesma saída () e problema de generalização oriundo das janelas NxN durante transição entre classes (). Resultados semelhantes podem ser encontrados em Lima et al. (005) com dados CCD/CBERS- (0m), onde uma janela 3x3 resultou em valores de kappa (0,7683), significativamente superior a uma rede com entrada simples (0,669), porém, as redes 5x5 e 7x7 resultaram em valores de kappa muito semelhantes 0,767 e 0,775 - respectivamente, sem nenhum acréscimo significativo. Fazendo-se a análise comparativa sobre o tamanho da janela NxN (Tabela ), observa-se que existe uma melhora na exatidão de classificação com o aumento da mesma, porém, nunca significativo a 5 ou %. Essa melhora ocorre até a janela com dimensões 5x5 com posterior decréscimo. 38
6 Tabela.- Valores da estatística e de p-calculado, resultantes da análise do kappa e a respectiva variância, com o progressivo dimensões da janela. Estatística Dimensão Dimensão da janela NxN e p- da janela x 3x3 5x5 7x7 9x9 calculado NxN x x p x 0,008 x 3x3 p 0,4988 x,548,74 x 5x5 p 0,047 0,06 x 0,9657 0,9799 0,947 x 7x7 p 0,67 0,635 0,384 x 0,998 0,049,053 0,7635 x 9x9 p 0,408 0,488 0,46 0,5 x * p<0,05 ; **p<0,0 Analisando-se comparativamente a extração de informação textural via descritores (Con, E, SMA, b3 e b4) versus janelas NxN (Tabela 3) observa-se vantagens para a primeira metodologia, comparando-se janelas de mesma dimensão como a 9x9 e até janelas inferiores como a 7x7 vs 9x9, p.e. He e Collet (999) afirmam, para dados XS/SPOT (0m), que o tamanho da janela pode ser inapropriado levando a queda na exatidão temática e, que os descritores devem ser obtidos em janelas de 5x5 até 7x7. Tabela 3.- Valores da estatística e de p-calculado confrontando-se diferentes dimensões de janela versus redes cujas entradas foram descritores Con, E, SMA e as bandas 3 e 4. Estatística Janelas NxN Con, E, SMA e p- b3 e b4 3x3 5x5 7x7 9x9 calculado 0,653 0,66 0,3674 0,405 3x3 p 0,69 0,539 0,3566 0,3436,65* 0,37 0,6693,47 5x5 p 0,049 0,3548 0,56 0,0767,46* 0,9605,589,097* 7x7 p 0,04 0,683 0,04 0,0,4* 0,985,75,9803* 9x9 p 0,034 0,765 0,098 0,038 * p<0,05, **p<0,0 Não se trata de afirmar que as janelas aqui utilizadas equivalem matematicamente aos descritores (Con, E, SAM) utilizados, apenas fez-se a opção de utilizar três dos quatro descritores utilizados em He e Collet (999) e Tso e Mather (00). Como afirmado, a textura extraída na janela NxN é caixa-preta e, objetivou-se utilizar dados HRC para o enriquecimento textural da cena. Lima et al (005) observaram que uma janela 3x3 foi suficiente para dados CCD (0m). Por outro lado, no presente trabalho, janelas superiores a 5x5 produziram resultados com exatidão decrescente. 39
7 4. Conclusões Redes MLP com entradas NxN captam a textura e produzem melhores resultados, comparada às redes com entradas simples. Porém, para os dados de,5m de resolução geométrica, janelas com dimensões superiores a 5x5 são desaconselháveis. A classificação com a utilização de descritores texturais como Contraste, Entropia e Segundo Momento Angular é superior, e a exatidão temática obtida é progressiva ao tamanho da janela. Agradecimentos Os autores agradecem o apoio FAPEMIG Referências Bibliográficas Avery, T. E.; Berlim, G.L. Fundamentals of remote sensing and airphoto interpretation. 5 ed, New Jersey, Editora Prentice Hall, 47p. Baret, F.; Guyot, G.; Major, D.J. Crop biomass evaluation using radiometricmeasurements.photogrammetria (PRS), v.43, n.5, p. 4-56, 989. Benediktsson, J.A.; Swain, P. H.; Ersoy, O.K. Neural network approaches versus statistical methods in classification of multisourse remote sensing data.ieee on Transactions on Geoscience and Remote Sensing v.8, n.4,p , 990. Bischof, H.; Schneider, W.; Pinz, A.J. Multiespectral Classification of Landsat-images using neural networks, IEEE on Transactions on Geoscience and Remote Sensing.v.30, n.3, p , 99. Foody, G.M. The significance of border training patterns in classification by a feedforward neural network using back propagation learning. International Journal of Remote Sensing. v.0, n.8, p , 999. Gongalto, R.G.; Green, K. Assessing the accuracy of remotely sensed data: principles and practices, Boca Raton: CRC Editora, 6p. Haralick, R. M., Shanmugan, K., and Dinstein, I., Textural Features for Image Classification. IEEE Transactions on Systems, Man, and Cybernetics, v. 3, n. 6, p. 60-6, 973. He, H.; Collet, C. Combining spectral and textural features for multiespectral image classification with artificial neural networks.in: International Archives of Photogrammetry and Remote Sensing. Proceedings. Valladolid. Espanha, Jun 999. Vol XXXII, PP Hepner, G. F. Artificial neural network classification using a minimal training set: comparison to conventional supervised classification. Photogrammetric Engeneering and Remote Sensing, vol.56, n.4, p , 99. Kavzoglu, T.; Mather, P.M. The use o backpropagation artificial neural networks in land cover classification. International Journalof Remote Sensing. v.4, n.3, p , 003. Lima, R.P.; Glerian J.M.; Antunes, M.A.M.; anutto, P.A. Discriminação espectral e textural entre florestas de eucalipto e mata atlântica com dados CCD/CBERS através de redes neurais artificiaisin: Simpósio Brasileiro de cartografia (SBC),, 005, Macaé (RJ). CD-ROM, Anais...Congresso Brasileiro de Cartografia. Rio de Janeiro RJ. Sociedade Brasileira de Cartografia, 005. Paola, J.; Schowengerdt, R.A. The effect of neural-network structure on a multispectral land-use/land-cover classification.photogrammetric Engeneering and Remote Sensing.vol.63, n.5, p , 997. Paola, J.D.; Schowengerdt, R. A. A review and analysis of backpropagation neural networks for classifcation of remotely-sensed multi-spectral imagery. International Journal of Remote Sensing. v.6, n.6, p , 995. Tso, B.; Mather, P.M. Classification methods for remotely sensed data.london, Taylor e Francis, 33p,
Campus de Presidente Prudente PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Semestre Código Ano Letivo Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( x ) DOUTORADO
PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Semestre Código Ano Letivo Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO ( x ) DOUTORADO
PROGRAMA DE ENSINO. 3 quadrimestre Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS
PROGRAMA DE ENSINO Disciplina ANÁLISE DE IMAGENS MULTIESPECTRAIS Código Semestre Ano Letivo 3 quadrimestre 2018 Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS Curso: MESTRADO
Avaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG
Avaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG Mayra Luíza Marques da Silva 1 Geraldo Paulino Marques Pereira 2 1 Universidade
Avaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre
Avaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre Regiane Maria Paes Ribeiro 1 Vicente Paulo Soares 2 Carlos Antônio Oliveira Vieira 2 1 Agência Nacional
Avaliação da influência do número de amostras de treinamento no índice Kappa
Avaliação da influência do número de amostras de treinamento no índice Kappa Maola Monique Faria 1 Ligia Tavares de Souza 1 Elpidio Inácio Fernandes Filho 1 Márcio Rocha Francelino 1 1 Universidade Federal
CLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture
CLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture 1 e Sandro Roberto Fernandes 2 Resumo: Nesta pesquisa foi desenvolvido
IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES
IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES RAFAEL COLL DELGADO 1 ; GILBERTO CHOHAKU SEDIYAMA 2 ; EVALDO DE PAIVA LIMA 3, RICARDO GUIMARÃES ANDRADE 4
UM SISTEMA NEURAL MODULAR PARA CLASSIFICAÇÃO DE IMAGENS UTILIZANDO MAPAS DE KOHONEN
UM SISTEMA NEURAL MODULAR PARA CLASSIFICAÇÃO DE IMAGENS UTILIZANDO MAPAS DE KOHONEN Márcio L. Gonçalves 1 Márcio L. de Andrade Netto 2 Jurandir Zullo Júnior 3 1 DCA/FEE/UNICAMP - Cidade Universitária Zeferino
COMPARAÇÃO DA TÉCNICA DAS REDES NEURAIS COM O ALGORITMO ESTATÍSTICO DA MÁXIMA VEROSSIMILHANÇA NA CLASSIFICAÇÃO DO USO DO
COMPARAÇÃO DA TÉCNICA DAS REDES NEURAIS COM O ALGORITMO ESTATÍSTICO DA MÁXIMA VEROSSIMILHANÇA NA CLASSIFICAÇÃO DO USO DO SOLO UTILIZANDO IMAGENS ORBITAIS Selma Regina Aranha Ribeiro Selma@geoc.ufpr.br
Image Descriptors: texture
Image Descriptors: texture Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: texture 2011 1 / 28 Agenda
Extração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Fusão de Dados: A Nova Tendência em Processamento Digital de Imagens
Fusão de Dados: A Nova Tendência em Processamento Digital de Imagens CAMILA SOUZA DOS ANJOS LACERDA IFSULDEMINAS Campus Inconfidentes Roteiro Introdução Objetivos Conceituação Resolution Merge / Pan Sharpen
APLICAÇÃO E ANÁLISE DAS TÉCNICAS DE FUSÃO IHS E COMPONENTES PRINCIPAIS EM IMAGENS DO SATÉLITE CBERS-2B MULTISSENSORES HRC/CCD RESUMO ABSTRACT
S B C Anais do XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 502-506 APLICAÇÃO E ANÁLISE DAS TÉCNICAS DE FUSÃO IHS E COMPONENTES PRINCIPAIS
CLASSIFICAÇÃO DE PADRÕES UTILIZANDO DESCRITORES DE TEXTURA
XI Simpósio de Mecânica Computacional II Encontro Mineiro de Modelagem Computacional Juiz De Fora, MG, 28-30 de Maio De 2014 CLASSIFICAÇÃO DE PADRÕES UTILIZANDO DESCRITORES DE TEXTURA Weiner Esmerio Batista
CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC
p. 001-007 CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC RAPHAEL SOUZA RIBEIRO DENILSON DORTZBACH. JUAN ANTÔNIO ALTAMIRANO FLORES Universidade
Mapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões
Mapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões Luís Eduardo Ribeiro de Mendonça 1 Vicente Paulo Soares 1 José Marinaldo Gleriani
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO. Prof. Yandr re Costa - 1. Prof. Yandre Costa.
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO Prof. Yandr re Costa - 1 Textura Prof. Yandre Costa Prof. Yandr re Costa - 2 Textura é um importante atributo visual
AVALIAÇÃO DO USO DO MODELO LINEAR DE MISTURA ESPECTRAL NA DISCRIMINAÇÃO DE FITOFISIONOMIAS DO CERRADO
AVALIAÇÃO DO USO DO MODELO LINEAR DE MISTURA ESPECTRAL NA DISCRIMINAÇÃO DE FITOFISIONOMIAS DO CERRADO Márcio Pupin de Mello 1, Gustavo Bayma Siqueira da Silva 1, Gabriel Pereira 1, Bruno Rodrigues do Prado
MÉTODO PARA CLASSIFICAÇÃO DE IMAGENS BASEADA EM MATRIZES DE CO-OCORRÊNCIA UTILIZANDO CARACTERÍSTICAS DE TEXTURA
MÉTODO PARA CLASSIFICAÇÃO DE IMAGENS BASEADA EM MATRIZES DE CO-OCORRÊNCIA UTILIZANDO CARACTERÍSTICAS DE TEXTURA William Robson Schwartz 1 Hélio Pedrini 2 1 Universidade Federal do Paraná william@pet.inf.ufpr.br
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório II: Cartografia em GIS/Registro
Textura. Textura 04/09/2014. Prof. Yandre Costa
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO Prof. Yandre Costa - 1 Prof. Yandre Costa Prof. Yandre Costa - 2 é um importante atributo visual presente em imagens,
Representação da incerteza e entropia em classes de cobertura do solo urbano resultantes da aplicação de uma rede neural artificial
Representação da incerteza e entropia em classes de cobertura do solo urbano resultantes da aplicação de uma rede neural artificial Letícia Andrade Sabo 1 Maria de Lourdes Bueno Trindade Galo 2 1,2 Universidade
Exacta ISSN: Universidade Nove de Julho Brasil
Exacta ISSN: 1678-5428 exacta@uninove.br Universidade Nove de Julho Brasil Luz Alves, Wonder Alexandre; Alves de Araújo, Sidnei Avaliação da utilização de dois diferentes modelos de redes neurais na classificação
GENERALIZAÇÃO DE REDES NEURAIS ARTIFICIAS USANDO DADOS DE DIFERENTES SENSORES - LANDSAT E CBERS - UMA ABORDAGEM ORIENTADA A REGIÕES
GENERALIZAÇÃO DE REDES NEURAIS ARTIFICIAS USANDO DADOS DE DIFERENTES SENSORES - LANDSAT E CBERS - UMA ABORDAGEM ORIENTADA A REGIÕES Igor Amazonas de Andrade 1 Mosar Faria Botelho 2 Selma Regina Aranha
O Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão. Camilo Daleles Rennó
O Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão Camilo Daleles Rennó DPI-GEO-REFERATA São José dos Campos, 16 de setembro de 2015 Pontius X Congalton Congalton, R. G.;
APLICAÇÃO DE CLASSIFICADORES CONVENCIONAIS E REDE NEURAL ARTIFICIAL PARA MAPEAMENTO DE UMA IMAGEM VANT
APLICAÇÃO DE CLASSIFICADORES CONVENCIONAIS E REDE NEURAL ARTIFICIAL PARA MAPEAMENTO DE UMA IMAGEM VANT APPLICATION OF CONVENTIONAL CLASSIFIERS AND ARTIFICIAL NEURAL NETWORK FOR MAPPING A VANT IMAGE Márcia
Classificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Reconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
1. Introdução O ambiente e os recursos terrestres estão sofrendo mudanças constantemente em resposta à evolução natural e às atividades humanas.
UTILIZAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO PARA O MAPEAMENTO DO USO E COBERTURA DA TERRA NA BACIA HIDROGRÁFICA DO RIBEIRÃO SÃO BARTOLOMEU, VIÇOSA-MG, A PARTIR DE UMA IMAGEM DO SENSOR IKONOS II Adelson de
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA PIBIC : CNPq, CNPq/AF, UFPA, UFPA/AF, PIBIC/INTERIOR,
Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7
http://dx.doi.org/10.12702/viii.simposfloresta.2014.8-528-1 Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7 Pablo F. Lopes 1, Thaissa R. Teixeira
COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA
COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA Rodrigo Moura Pereira¹ (UEG) Gustavo Henrique Mendes
Análise de textura de imagem de alta resolução para aprimorar a acurácia da classificação da mata atlântica no sul da Bahia
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.2020 Análise de textura de imagem de alta resolução para aprimorar a acurácia
Estatística: Aplicação ao Sensoriamento Remoto SER ANO Avaliação de Classificação
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Avaliação de Classificação Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Classificação e Incerteza
Universidade Federal do Paraná - Setor de Ciências da Terra
Universidade Federal do Paraná - Setor de Ciências da Terra APLICAÇÃO DE DIFERENTES NÍVEIS DE REALISMO DERIVADOS DE IMAGEM DE SATÉLITE NA REALIDADE VIRTUAL Juliana Moulin Fosse - jumoulin@ufpr.br Mosar
AVALIAÇÃO DO USO DE INFORMAÇÃO DE TEXTURA DOS DADOS LASER NA CLASSIFICAÇÃO DE SUPERFÍCIES IMPERMEÁVEIS
Presidente Prudente - SP, 24-26 de julho de 2017 p. 226-231 AVALIAÇÃO DO USO DE INFORMAÇÃO DE TEXTURA DOS DADOS LASER NA CLASSIFICAÇÃO DE SUPERFÍCIES IMPERMEÁVEIS 1 TATIANA SUSSEL GONÇALVES MENDES 1 ANDRESSA
COMPARAÇÃO VISUAL ENTRE FUSÃO DE IMAGENS CBERS II B/CCD E LANDSAT 5/TM UTILIZANDO A PANCROMÁTICA CBERS II B/HRC EM SOFTWARE LIVRE
COMPARAÇÃO VISUAL ENTRE FUSÃO DE IMAGENS CBERS II B/CCD E LANDSAT 5/TM UTILIZANDO A PANCROMÁTICA CBERS II B/HRC EM SOFTWARE LIVRE Julio Cesar Pedrassoli (Geógrafo, mestre em Geografia Física, doutorando
REDES NEURAIS ARTIFICIAIS NA CLASSIFICAÇÃO DE ÁREAS CAFEEIRAS DA REGIÃO DE GUAXUPÉ
REDES NEURAIS ARTIFICIAIS NA CLASSIFICAÇÃO DE ÁREAS CAFEEIRAS DA REGIÃO DE GUAXUPÉ Lívia Naiara de Andrade 2 ; Tatiana Grossi Chquiloff Vieira 3 ; Wilian Soares Lacerda 4 ; Helena Maria Ramos Alves 5 Margarete
João Paulo Ribeiro do Nascimento Heraldo Maciel França Madeira Hélio Pedrini. Keywords: texture, co-occurrence matrix, image classification.
CLASSIFICAÇÃO DE IMAGENS UTILIZANDO DESCRITORES ESTATÍSTICOS DE TEXTURA João Paulo Ribeiro do Nascimento Heraldo Maciel França Madeira Hélio Pedrini Universidade Federal do Paraná Departamento de Informática
COMPARAÇÃO TEMÁTICA DE IMAGENS FUSIONADAS E NÃO FUSIONADAS RESUMO ABSTRACT
COMPARAÇÃO TEMÁTICA DE IMAGENS FUSIONADAS E NÃO FUSIONADAS Júlio César Albuquerque Simões Belo 1 ; Mirelly de Oliveira Farias 2 ; João Rodrigues Tavares Junior 3 ; Ana Lúcia Bezerra Candeias 4 1,2,3,4
Simulação de uma banda pancromática para o sensor TM (Landsat 5), utilizando filtro combinado de restauração e interpolação.
Simulação de uma banda pancromática para o sensor TM (Landsat 5), utilizando filtro combinado de restauração e interpolação. Giovanni de Araujo Boggione 1 Érika Gonçalves Pires 1 Patrícia Azevedo dos Santos
Extração de Características de Textura em Imagens utilizando Matrizes de Co-ocorrência
Extração de Características de Textura em Imagens utilizando Matrizes de Co-ocorrência João Paulo Ribeiro do Nascimento Hélio Pedrini Universidade Federal do Paraná Departamento de Informática Curitiba-PR,
Classificação de Texturas Invariante a Rotação Usando Matriz de Co-ocorrência
Classificação de Texturas Invariante a Rotação Usando Matriz de Co-ocorrência Rodrigo Hajime Ito, Hae Yong Kim, Walter Jaimes Salcedo Dept. Eng. Sistemas Eletrônicos, Escola Politécnica Universidade de
AVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG
AVALIAÇÃO DE ALGORITMOS DE CLASSIFICAÇÃO SUPERVISIONADA DE IMAGEM DIGITAL DO SATÉLITE IKONOS NA REGIÃO DA SERRA DO SALITRE - MG Julierme Wagner da Penha Universidade Federal de Viçosa UFV juliermewagner@yahoo.com.br
INPE São José dos Campos
INPE-5478-PRE/1777 REDES NEURAIS NA CLASSIFICAÇÃO DE USOS DO SOLO EM IMAGENS DE SATÉLITES Maria Suelena S. Barros INPE São José dos Campos 1993 SECRETARIA DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE
Maria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França Ferreira 1
Imagens CBERS para o Monitoramento da 2 a Safra Agrícola de 2004 Município de Jataí Goiás Maria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França
COMPARAÇÃO DE DIFERENTES CLASSIFICADORES E ESTRATÉGIAS DE PÓS-CLASSIFICAÇÕES NA ANALISE DO USO E COBERTURA DO SOLO NO MUNICÍPIO DE VIÇOSA - MG
COMPARAÇÃO DE DIFERENTES CLASSIFICADORES E ESTRATÉGIAS DE PÓS-CLASSIFICAÇÕES NA ANALISE DO USO E COBERTURA DO SOLO NO MUNICÍPIO DE VIÇOSA - MG MARIANA MÉDICE FIRME SÁ 1 EVERTON LUÍS POELKING 1 SANDRO H.
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Sensoriamento Remoto
LABORATÓRIOS DIDÁTICOS DE GEOPROCESSAMENTO Sensoriamento Remoto Classificação Supervisionada de Imagens de Sensoriamento Remoto Elaboração: Cláudia Soares Machado Mariana Giannotti Rafael Walter de Albuquerque
Análise Fractal de Textura Usando um Operador de Hurst em uma Imagem TM/Landsat-5
Análise Fractal de Textura Usando um Operador de Hurst em uma Imagem TM/Landsat-5 Marcos Cicarini Hott 1 Vicente Paulo Soares 2 Carlos Antônio Álvares Soares Ribeiro 2 James Jackson Griffith 2 RESUMO O
José Alberto Quintanilha Mariana Giannotti
José Alberto Quintanilha jaquinta@usp.br Mariana Giannotti mariana.giannotti@usp.br Estrutura da Aula Momento Satélite (Apresentação de um novo satélite a cada aula) O que é uma imagem de satélite? O histograma
Aplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto
Aplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto Alexandre G. de Lima 1, Adrião Duarte Dória Neto 1, Jailton Carlos de Paiva 1, Vitor Meneghtetti 1, Xiankleber
F- Classificação. Banda A
F- Classificação Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Banda B? da d b dc Espaço dos Atributos Classes Banda A Classificação: ordenar,
Classificação de áreas cafeeiras por meio de redes neurais artificiais e os aspectos relacionados à reflectância: um estudo exploratório
Classificação de áreas cafeeiras por meio de redes neurais artificiais e os aspectos relacionados à reflectância: um estudo exploratório Julio Flores Navares 1 Tatiana Grossi Chquiloff Vieira 1,2,3 Wilian
Anais 2º Simpósio de Geotecnologias no Pantanal, Corumbá, 7-11 novembro 2009, Embrapa Informática Agropecuária/INPE, p
Avaliação da acurácia dos classificadores de máxima verossimilhança, mínima distância euclidiana e isodata na classificação de imagens da região do Pantanal Atilio Efrain Bica Grondona 1 1 Centro Estadual
Classificação orientada objeto de imagem de alta resolução para modelagem hidrológica em sub-bacias do Alto Rio Grande
Classificação orientada objeto de imagem de alta resolução para modelagem hidrológica em sub-bacias do Alto Rio Grande Gil Júlio de Souza Netto 1 Luís Marcelo Tavares de Carvalho 2 Malcon do Prado Costa
Classificação de Imagens de Sensoriamento Remoto Utilizando uma Rede Neural Artificial com Função de Base Radial
Classificação de Imagens de Sensoriamento Remoto Utilizando uma Rede Neural Artificial com Função de Base Radial WALESKA NISHIDA, MSC. 1 LIA C. BASTOS, DRA. 1,2 1 Universidade Federal de Santa Catarina
Avaliação de métodos de classificação em ortofotocartas digitais para identificação do uso e ocupação do solo
Avaliação de métodos de classificação em ortofotocartas digitais para identificação do uso e ocupação do solo Gesner Cardoso Porfírio 1 Giovanni de Araujo Boggione 1 1 Centro Federal de Educação Tecnológica
Daniela Arnold Tisot Antônio Roberto Formaggio Lênio Soares Galvão Camilo Daleles Rennó
Dados Hyperion e ETM + na classificação de alvos agrícolas com diferentes níveis de distinção espectral Daniela Arnold Tisot Antônio Roberto Formaggio Lênio Soares Galvão Camilo Daleles Rennó Instituto
REDES NEURAIS ARTIFICIAIS (RNA) APLICADAS À CLASSIFICAÇÃO DE ÁREAS CAFEEIRAS NA REGIÃO DE TRÊS PONTAS-MG
REDES NEURAIS ARTIFICIAIS (RNA) APLICADAS À CLASSIFICAÇÃO DE ÁREAS CAFEEIRAS NA REGIÃO DE TRÊS PONTAS-MG Lívia Naiara de Andrade 1, Tatiana Grossi Chquiloff Vieira 2, Wilian Soares Lacerda 3, Margarete
VERIFICAÇÃO DA EVOLUÇÃO DO USO DO SOLO NO ENTORNO DO PARQUE ESTADUAL DO GUARTELÁ, USANDO A CLASSIFICAÇÃO HIERÁRQUICA DE IMAGENS DO SENSOR LANDSAT
ISSN 1981-6251, p. 278-282 VERIFICAÇÃO DA EVOLUÇÃO DO USO DO SOLO NO ENTORNO DO PARQUE ESTADUAL DO GUARTELÁ, USANDO A CLASSIFICAÇÃO HIERÁRQUICA DE IMAGENS DO SENSOR LANDSAT VANEZA ANDREA LIMA DE FREITAS
Camila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa Carvalho 3
Avaliação da acurácia de classificadores, utilizando técnica de fusão de bandas dos sensores ETM + /LANDSAT-7 e CCD/CBERS-1. Camila Aguirre Góes 1 Wilson Lins de Mello Filho 2 Valquíria Quirino 1 Melissa
PROCESSAMENTO DE IMAGENS
PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS- aula de 25/5/10 Introdução Conceitos básicos Pré-processamento Realce Classificação
Mapeamento de áreas cafeeiras utilizando redes neurais artificiais: Estudo de caso na região de Três Pontas, Minas Gerais
Mapeamento de áreas cafeeiras utilizando redes neurais artificiais: Estudo de caso na região de Três Pontas, Minas Gerais Tatiana Grossi Chquiloff Vieira 1,2 Wilian Soares Lacerda 3 Tiago Gonçalves Botelho
Ecologia de Paisagem Conceitos e métodos de pesquisa 2012
Ecologia de Paisagem Conceitos e métodos de pesquisa 2012 Bases de sensoriamento remoto Cálculo de métricas com Fragstats Leandro Reverberi Tambosi letambosi@yahoo.com.br Sensoriamento Remoto Conjunto
Segmentação e Classificação. Prof. Herondino
Segmentação e Classificação Prof. Herondino Segmentação Neste processo, divide-se a imagem em regiões que devem corresponder às áreas de interesse da aplicação. Entende-se por regiões um conjunto de "pixels"
SEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
AVALIAÇÃO DAS IMAGENS TM/LANDSAT-5, TM/LANDSAT-7 E CBERS/CCD COMO BASE DE DADOS PARA PROJETOS DE REFORMA AGRÁRIA.
AVALIAÇÃO DAS IMAGENS TM/LANDSAT-5, TM/LANDSAT-7 E CBERS/CCD COMO BASE DE DADOS PARA PROJETOS DE REFORMA AGRÁRIA. MARINA DE FÁTIMA VILELA 1 VICENTE PAULO SOARES 2 1 EMBRAPA Cerrados BR 020, Km 18 Rodovia
Comparação de métodos de classificação da cobertura do solo urbano utilizando imagens IKONOS II com e sem o auxílio de dados LiDAR
Comparação de métodos de classificação da cobertura do solo urbano utilizando imagens IKONOS II com e sem o auxílio de dados LiDAR Leonardo Rodrigues de Deus 1 Rafael Santos 1 Leila Maria G. Fonseca 1
Criação de mapa temático de uso da terra com diferentes classificadores. Gleyce Kelly Dantas Araújo 1 Jerry Adriani Johann 1,2 Jansle Vieira Rocha 1
Criação de mapa temático de uso da terra com diferentes classificadores Gleyce Kelly Dantas Araújo 1 Jerry Adriani Johann 1,2 Jansle Vieira Rocha 1 1 Universidade Estadual de Campinas - UNICAMP Caixa Postal
IEEE GRSS Data Fusion Contest Participações e Resultados do Sensoriamento Remoto do IEAv
IEEE GRSS Data Fusion Contest Participações e Resultados do Sensoriamento Remoto do IEAv Marielcio Gonçalves Lacerda - Cap Esp Fot Sensoriamento Remoto IEAv ROTEIRO Introdução O Desafio de Fusão de Dados
RESOLUÇÃO TEMÁTICA DE IMAGEM HÍBRIDA RESULTANTE DA FUSÃO SPOT-LANDSAT RESUMO ABSTRACT
RESOLUÇÃO TEMÁTICA DE IMAGEM HÍBRIDA RESULTANTE DA FUSÃO SPOT-LANDSAT Alzir Felippe Buffara Antunes Universidade Federal do Paraná Departamento de Geomática felippe@cce.ufpr.br RESUMO Este trabalho relata
CLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO E COBERTURA DO SOLO UTILIZANDO IMAGEM RAPIDEYE
Presidente Prudente - SP, 24-26 de julho de 2017 p. 239-243 CLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO E COBERTURA DO SOLO UTILIZANDO IMAGEM RAPIDEYE ALEX GARCEZ UTSUMI¹ TERESA CRISTINA TARLÉ
CLASSIFICAÇÃO MULTITEMPORAL DA COBERTURA DA TERRA NA ÁREA DE INFLUÊNCIA DO RESERVATÓRIO DE ITUPARARANGA UTILIZANDO REDES NEURAIS ARTIFICIAIS
ISSN 1981-6251, p. 386-392 CLASSIFICAÇÃO MULTITEMPORAL DA COBERTURA DA TERRA NA ÁREA DE INFLUÊNCIA DO RESERVATÓRIO DE ITUPARARANGA UTILIZANDO REDES NEURAIS ARTIFICIAIS REJANE ENNES 1 LETÍCIA SABO BOSCHI
SISTEMAS DE INFORMAÇÃO GEOGRÁFICA SIG FORMATOS DE REPRESENTAÇÃO DE DADOS FORMATO VETORIAL
FORMATO VETORIAL 1 FORMATO VETORIAL Formato que utiliza como primitivas Pontos, Linhas e Polígonos, baseadas em equações matemáticas para representar imagens na computação gráfica Primitivas: elementos
Mapeamento urbano por classificação hierárquica semi-automática baseada em objetos
Mapeamento urbano por classificação hierárquica semi-automática baseada em objetos Francine da Rocha Rossoni 1 Valéria Jardim Pires 1 Daniel Zanotta 1,2 1 Instituto Federal de Educação Ciência e Tecnologia
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Comparação de Modelo Linear de Mistura Espectral (MLME) e Modelo Não Linear de Mistura Espectral (MNLME) aplicados à dados TM/Landsat-5 com dados subpixel do sensor RapidEye. José Marinaldo Gleriani 1
ANÁLISE COMPARATIVA ENTRE OS DADOS DO SENSOR CCD DO CBERS E OS DO LANDSAT 7 ETM+ PARA A REGIÃO DE BRASÍLIA.
ANÁLISE COMPARATIVA ENTRE OS DADOS DO SENSOR CCD DO CBERS E OS DO LANDSAT 7 ETM+ PARA A REGIÃO DE BRASÍLIA. GUSTAVO MACEDO DE MELLO BAPTISTA 1 1 UCB - Universidade Católica de Brasília Q.S. 07 - Lote 01
COMPARAÇÃO ENTRE CLASSIFICAÇÕES COM REDE NEURAL ARTIFICIAL EM DIFERENTES ÁREAS DE ESTUDO NO PARANÁ
COMPARAÇÃO ENTRE CLASSIFICAÇÕES COM REDE NEURAL ARTIFICIAL EM DIFERENTES ÁREAS DE ESTUDO NO PARANÁ FLAVIO MARCELO CONEGLIAN INGRID APARECIDA GOMES SELMA REGINA ARANHA RIBEIRO Universidade Estadual de Ponta
Classificação espectro-temporal de culturas agrícolas tropicais: tolerância de dois modelos de redes neurais a dados falhos
Classificação espectro-temporal de culturas agrícolas tropicais: tolerância de dois modelos de redes neurais a dados falhos José Marinaldo Gleriani José Carlos Neves Epiphanio 2 José Demísio Simões da
Estimação de controladores de influência das classes em classificadores estatísticos multidimensionais. Orlando Alves Máximo 1,2 David Fernandes 2
Estimação de controladores de influência das classes em classificadores estatísticos multidimensionais Orlando Alves Máximo 1,2 David Fernandes 2 1 Instituto de Estudos Avançados IEAv/CTA Rod Tamoios m
Programa Analítico de Disciplina ENF310 Fotogrametria e Fotointerpretação
0 Programa Analítico de Disciplina ENF30 Fotogrametria e Fotointerpretação Departamento de Engenharia Florestal - Centro de Ciências Agrárias Número de créditos: 4 Teóricas Práticas Total Duração em semanas:
Interpretação Baseada em Conhecimento de Imagens de Sensores Remotos de Alta Resolução
Thiago Broerman Cazes Interpretação Baseada em Conhecimento de Imagens de Sensores Remotos de Alta Resolução Dissertação de Mestrado Dissertação apresentada ao Programa de Pósgraduação em Engenharia Elétrica
Processamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e de Imagens Sensoriamento Remoto 2 Introdução Espectro Eletromagnético
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
ANALISE DE DADOS AMBIENTAIS POR MEIO DO USO DE IMAGENS DE SATÉLITE
ANALISE DE DADOS AMBIENTAIS POR MEIO DO USO DE IMAGENS DE SATÉLITE MAURICIO MARTORELLI GALERA UNIVERSIDADE ESTADUAL DE LONDRINA UEL INTRODUÇÃO A evolução tecnológica dos sistemas de imageamento remoto
Processamento de Imagens. Texturas
Processamento de Imagens Texturas Exemplos Introdução Texturas Não existe abordagem formal Não existe definição formal São definidas qualitativamente e não há consenso quanto a sua definição quantitativa
Classificação do Uso do Solo Utilizando Redes Neurais e o Algoritmo MAXVER
Classificação do Uso do Solo Utilizando Redes Neurais e o Algoritmo MAXVER Selma Regina Aranha Ribeiro 1 - Selma@geoc.ufpr.br Jorge Silva Centeno 1 - Centeno@geoc.ufpr.br 1 UFPR Universidade Federal do
Desempenho de classificadores paramétrico e não paramétrico na classificação da fisionomia vegetal
Desempenho de classificadores paramétrico e não paramétrico na classificação da fisionomia vegetal Alexandre Curvelo de Andrade 1 Cristiane Nunes Francisco 2 Cláudia Maria Almeida 3 INFORMS/CONDER 1 Av.
Desempenho de algoritmos de classificação supervisionada para imagens dos satélites RapidEye
Desempenho de algoritmos de classificação supervisionada para imagens dos satélites RapidEye Carlos Eduardo Vizzotto Cattani 1 Erivelto Mercante 1 Carlos Henrique Wachholz de Souza 1 Suzana Costa Wrublack
Avaliação de técnicas de fusão aplicadas à imagem Quickbird. Carolina Moutinho Duque de Pinho 1 Camilo Daleles Rennó 1 Hermann Johann Heinrich Kux 1
Avaliação de técnicas de fusão aplicadas à imagem Quickbird Carolina Moutinho Duque de Pinho 1 Camilo Daleles Rennó 1 Hermann Johann Heinrich Kux 1 1 Instituto Nacional de Pesquisas Espaciais - INPE Caixa
Caroline Leão 1 Lilian Anne Krug 1 Milton Kampel 1 Leila Maria Garcia Fonseca 1
Avaliação de métodos de classificação em imagens TM/Landsat e CCD/CBERS para o mapeamento do uso e cobertura da terra na região costeira do extremo sul da Bahia Caroline Leão 1 Lilian Anne Krug 1 Milton
Classificação de imagens SAR de Machadinho d'oeste RO em ambiente distribuído
Classificação de imagens SAR de Machadinho d'oeste RO em ambiente distribuído Thalita Biazzuz Veronese 1 Maurício Pozzobon Martins 2 Lamartine Nogueira Frutuoso Guimarães 2 1 Instituto Nacional de Pesquisas
CLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO DA TERRA EM PAISAGEM FRAGMENTADA DE MATA ATLÂNTICA, RJ RESUMO ABSTRACT
S B C Anais do XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 462-466 CLASSIFICAÇÃO ORIENTADA A OBJETOS PARA MAPEAMENTO DO USO DA TERRA
Aplicação e avaliação de técnicas de fusão em imagens Ikonos e GeoEye
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7761 Aplicação e avaliação de técnicas de fusão em imagens Ikonos e GeoEye Silvia
Análise e classificação textural de áreas de mata e café na região de Machado - MG
Análise e classificação textural de áreas de mata e café na região de Machado - MG Vanessa Cristina Oliveira de Souza 1 Tatiana Grossi Chquiloff Vieira 1,2 Helena Maria Ramos Alves 1,3 Margarete Marin
ANÁLISE DA INCERTEZA NA REPRESENTAÇÃO DE CLASSES DE COBERTURA DO SOLO URBANO RESULTANTES DA APLICAÇÃO DE UMA REDE NEURAL ARTIFICIAL
22 ANÁLISE DA INCERTEZA NA REPRESENTAÇÃO DE CLASSES DE COBERTURA DO SOLO URBANO RESULTANTES DA APLICAÇÃO DE UMA REDE NEURAL ARTIFICIAL Uncertainty analysis in the representation of the urban land cover
Segmentação de imagens-fração derivadas do sensor TM-Landsat para o mapeamento do uso do solo no municipio de Sapezal (MT)
Segmentação de imagens-fração derivadas do sensor TM-Landsat para o mapeamento do uso do solo no municipio de Sapezal (MT) JOSÉ L. RODRÍGUEZ YI, LUIGI C. MARRONI AULICINO, YOSIO E. SHIMABUKURO, BERNARDO
Desempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015
https://eventos.utfpr.edu.br//sicite/sicite2017/index Desempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015 RESUMO